تحلیل عدم قطعیت ناشی از کاربرد روش‌های مختلف برآورد نفوذ بر عملکرد مدل بارش-رواناب hec-hms با استفاده از الگوریتم glue

بررسی و کمی کردن عدم قطعیت ناشی از عوامل مختلف و موثر بر عملکرد مدل های بارش- رواناب همواره به عنوان یکی از چالش های مهم محققین و هیدرولوژیست ها به شمار می رود. به دلیل تعدد پارامترهای ورودی مدل‌های بارش- رواناب و عدم وجود درک درست و کافی از ماهیت فیزیکی آنها، کاربرد این مدل ها به ویژه در مرحلۀ واسنجی با مشکل مواجه شده است. برخلاف مطالعات انجام شده در زمینه ارزیابی معادلات نفوذ که عمدتاً در مقیاس مزرعه و به صورت نقطه‌ای بوده است، پژوهش حاضر با هدف بررسی عدم ‌قطعیت ناشی از روش‌های مختلف برآورد نفوذ (green-ampt، scs-cn، exponential، smith-parlange، initial-constant و deficit-constant) بر هیدروگراف سیلاب شبیه‌سازی شده توسط مدل‌ hec-hms و با استفاده از الگوریتم glue به انجام رسیده است. براساس نتایج این تحقیق، استفاده از روابط مختلف نفوذ باند عدم قطعیت متفاوتی را بر هیدروگراف سیلاب شبیه‌سازی شده توسط مدل ایجاد نموده است. محاسبات انجام شده حاکی از آن است که در صورت استفاده از دو معادله نفوذ scs و smith-parlange به علت دارا بودن بیشترین مقدار p-factor (به ترتیب معادل 0/78 و 0/72) و کمترین مقدار aril (به ترتیب معادل 0/39 و 0/40)، موجب عدم قطعیت کمتر در خروجی مدل hec-hms شده است. علاوه‌بر این، روابط ارائه شده به علت پارامترهای حساس کمتر از کارایی به مراتب بالاتری نسبت به دیگر روش ها برخوردار بوده اند. برخلاف روش های مذکور، عدم قطعیت ناشی از کاربرد معادلات نفوذ initial & constant و deficit & constant جهت برآورد هیدروگراف سیلاب نسبتاً بالا بوده و درصد کمتری از داده‌های مشاهداتی در پهنای باند عدم قطعیت 95% قرار گرفته اند. تحلیل حساسیت پارامترهای ورودی هر کدام از معادلات نفوذ با استفاده از آمارۀ d در روش غیرپارامتریک کلموگراف-اسمیرنوف نیز نشان داد که پارامترهایی که دارای توزیع با شیب زیاد و شکل کشیده‌ای هستند، به ترتیب دارای عدم قطعیت کم و زیاد می‌باشند. به طورکلی یافته های این تحقیق نشان داد که الگوریتم glue از توانایی بالایی در تعیین محدودۀ بهینۀ پارامترهای مدل بارش- رواناب و تخمین باند عدم قطعیت پیش بینی برخوردار بوده است.

Uncertainty Analysis due to the Application of Different Infiltration Methods on the Performance of HEC-HMS model Using GLUE Algorithm

Quantifying the uncertainty contribution of important factors on the performance of rainfallrunoff models has always been one of the major challenges for researchers and hydrologists. The main problems of applying these models especially in calibration period are the large number of required parameters and the lack of physical understanding for some of them. This research addressed the uncertainty contribution of different infiltration methods (GreenAmpt, SCSCN, Exponential, SmithParlange, InitialConstant and DeficitConstant) on the performance of HECHMS model using GLUE algorithm. Results showed that using each of infiltration methods imposes different uncertainty bounds on the simulated flood hydrograph by HECHMS. Findings indicate that SCSCN and SmithParlange owing to have the higher Pfactor (0.78 and 0.72) and lower ARIL (0.39 and 0.40) values, enforce minimum uncertainty on the model output. In addition, the mentioned infiltration methods have the fewer sensitive parameters and then performs better than other methods. In contrast, the uncertainty of applying InitialConstant and DeficitConstant methods for simulation of flood hydrograph is relatively high the smaller percentage of the observed data are within the 95% uncertainty bandwidth. Moreover, sensitivity analysis of the parameters of each of the infiltration methods using the nonparametric Kolmogorov–Smirnov (D) test showed that parameters with the sharp and peaked distributions indicate wellidentifiable parameters, while flat and spread distributions indicate uncertain parameters. Overall, the outcomes of this study prove that GLUE algorithm has high ability to determine the optimal range of rainfallrunoff model parameters and the prediction uncertainty bandwidth.